Estimação em pequenos domínios

Abstract

Pequenos domínios são subpopulações com um número reduzido de elementos. Cada vez mais as organizações estão preocupadas com a produção de estimativas em pequenos domínios. Neste âmbito esta dissertação apresenta diversos estimadores (directos e indirectos) que são usualmente utilizados na estimação em pequenos domínios, assim como um grupo de estimadores da classe dos modelos lineares gerais mistos que recorre a informação de variáveis auxiliares e informação espacial e cronológica da amostra. É realizada uma simulação de Monte Carlo com o propósito de estudar a adequação dos estimadores propostos à problemática da estimação em pequenos domínios através da análise de medidas de enviesamento e precisão. Foi possível concluir que os estimadores que utilizam informação cronológica ou informação mista (cronológica e espacial) permitem grandes ganhos no que respeita à precisão face ao estimador directo, e nos domínios de menor dimensão amostral esperada mostram também vantagens face ao estimador combinado e ao estimador directo modificado analisados. Podem também ser vistos como uma alternativa aos estimadores sintéticos já que de um modo geral apresentam uma redução no enviesamento e rácios de enviesamento inferiores, e particularmente no caso dos estimadores que não recorrem a informação espacial nos domínios de menor dimensão amostral esperada estudados as suas precisões podem competir com os resultados alcançados pelo melhor dos estimadores sintéticos analisados.